1~7장의 부품을 한 앱으로 묶는 짜임

import zlib

from langchain_community.vectorstores import FAISS
from langchain_core.embeddings import Embeddings
from langchain_core.language_models.fake_chat_models import FakeListChatModel
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate


class BigramEmbeddings(Embeddings):
    """글자 두 개 묶음(바이그램)을 세어 숫자 목록을 만드는 연습용 임베딩"""

    def __init__(self, size=512):
        self.size = size

    def _vector(self, text):
        text = text.replace(" ", "").replace("\n", "")
        vec = [0.0] * self.size
        for i in range(len(text) - 1):
            # 글자 두 개를 crc32 로 0~511 사이의 칸 번호로 바꿔 그 칸을 1 올린다
            vec[zlib.crc32(text[i:i + 2].encode("utf-8")) % self.size] += 1.0
        norm = sum(v * v for v in vec) ** 0.5 or 1.0
        return [v / norm for v in vec]

    def embed_documents(self, texts):
        return [self._vector(t) for t in texts]

    def embed_query(self, text):
        return self._vector(text)


def make_bot(texts, emb, llm):
    """문서 → 색인 → 체인을 한 번에 꾸려 ask 함수를 돌려준다. 임베딩과 모델은 밖에서 받는다"""
    db = FAISS.from_texts(texts, emb)
    prompt = ChatPromptTemplate.from_messages([
        ("system", "아래 근거로만 답한다.\n[근거]\n{context}"),
        ("human", "{question}"),
    ])
    chain = prompt | llm | StrOutputParser()

    def ask(question):
        doc = db.similarity_search(question, k=1)[0]
        return {"answer": chain.invoke({"context": doc.page_content, "question": question}), "source": doc.page_content}

    return ask


texts = ["재택근무는 한 주에 이틀까지 할 수 있다.", "국내 출장의 하루 일비는 3만 원이다.", "연차 휴가는 3일 전까지 신청한다."]
# 키 없이: 연습용 임베딩 + 가짜 모델
ask = make_bot(texts, BigramEmbeddings(), FakeListChatModel(responses=["(가짜 모델) 한 주에 이틀까지입니다."]))
print(ask("재택근무는 한 주에 며칠까지 돼요?"))
# 키가 있으면 부품 두 개만 바꿔 끼운다(여기서는 부르지 않는다)
# ask = make_bot(texts, OpenAIEmbeddings(model=EMBED_MODEL), ChatOpenAI(model=MODEL, temperature=0))